基于SOM的商业银行客户分类管理模型研究.pdfVIP

于基 S O M 究研型模理管类分户客行银业商的 基于SOM的商业银行客户分类管理模型研究 施 扬 Shi Yang (东南大学计算机系,江苏 南京 211189) 211189) 摘 要:应用自组织特征映射SOM的人工神经网络模型，针对目前多数银行所采用的传统客户划分方法，存在没有针对 性的满足客户的需求的缺点，充分利用自组织特征映射作为样本特征检测器的功能，将反映客户的高维数据特征输入SOM进 行训练，训练之后的分类模型将可以对在线输入的客户信息进行合理的分类。客户分类是客户关系管理系统的核心功能之一， 可以对客户获取、客户保持及客户增值等客户关系管理过程提供全面支持，对商业银行的CRM的有效运行提出了一种新的方 法。 关键词:银行;客户分类管理;人工神经网络; T.Kohonen自组织模型 中图分类号：F832.2 文献标识码：A 文章编号：1671-4792-(2007)12-0103-04 在现今竞争加剧的市场上，顾客满意度成为银行保持竞 前多数银行的客户分类管理还停留在根据某一项和两项单一 争力的关键。良好的顾客服务，成为银行与竞争对手之间最 指标（如季度的存款额度等）来分类，这些数据难以完全表 佳的差异化特色。有效的CRM(客户关系管理)可增加顾客获 达一个客户的真实价值，评价一个客户的指标很多，必须使 取与利润创造的机会，同时可针对各个顾客的需求设计营销 用充分的高维数据来表征一个客户。如何处理高维的客户数 活动，以获得较高的投资回报率，并可在适当的时间提供正 据成为客户分类管理的主要问题。 确的产品信息给适合的顾客;在对内部分，良好的系统构建 本文通过分析反映商业银行客户行为各特征要素的数 可改善银行各个部门间营销相关活动的运作关系、改善产品 据，运用自组织神经网络SOM，建立了客户价值预测的神经 周期，同时减少业务与服务的成本，提升营运效率。 网络模型。由于在商业银行的用户数据中存在大量的模糊数 客户分类管理也称为客户群划分技术(Customer 据，例如贷款回收期的快慢、信用状况、信贷项目的使用期 Segmentation)，是CRM中十分重要的部分。在当今的金融、 限的长短等，在数据特征提取时，笔者采用了模糊技术对这 运输等行业，如何更好地进行客户群体划分对公司盈利至关 些不确定性数据进行数量化，使这些数据能够被SOM处理， 重要。为了给客户提供更好的服务，以赢得客户的忠诚，首 并能够更好的反映客户的商业价值。笔者提出了一种基于 先必须了解客户的价值[1] 。商业银行拥有大量的个人客户交 SOM模型的银行客户分类管理模型，该模型能够在对SOM模 易数据、个人客户服务数据和个人客户基本资料数据。在这 型进行充分的训练之后，实时的给出当前用户的分类情况。 些海量数据中，隐藏着大量的有价值的客户信息。运用数据 文章最后，给出了CRM中客户分类管理的未来的发展方向。 挖掘中的聚类分析技术可以从这些数据里